本發(fā)明實(shí)施例涉及地震數(shù)據(jù)智能數(shù)據(jù)處理，具體涉及一種obn地震數(shù)據(jù)無監(jiān)督異常檢測(cè)方法及裝置。

背景技術(shù)：

1、obn(ocean?bottom?node，海底節(jié)點(diǎn))地震勘探是近20年來蓬勃發(fā)展的現(xiàn)代地球物理技術(shù)。obn技術(shù)由于其固有的優(yōu)勢(shì)，逐漸在地震勘探行業(yè)占據(jù)主導(dǎo)地位。偏移距離和寬方位的靈活性、無電纜的獨(dú)立記錄系統(tǒng)、幾乎不受水深的操作限制、適用于密集障礙物區(qū)域采集、多分量(4c)記錄、低噪聲、高質(zhì)量、寬帶數(shù)據(jù)等可以解決傳統(tǒng)海洋拖纜地震技術(shù)中的缺點(diǎn)。

2、在obn地震數(shù)據(jù)處理時(shí)，把控原始野外數(shù)據(jù)的質(zhì)量，對(duì)處理項(xiàng)目的成像精度起到至關(guān)重要的作用。隨著obn采集技術(shù)的快速發(fā)展和應(yīng)用，質(zhì)量控制技術(shù)變得越來越重要和具有挑戰(zhàn)性。在標(biāo)準(zhǔn)obn海洋地震數(shù)據(jù)處理流程中，質(zhì)量控制過程需要從成千上萬的節(jié)點(diǎn)中選擇異常節(jié)點(diǎn)，異常節(jié)點(diǎn)包括如噪聲節(jié)點(diǎn)、異常儀器響應(yīng)、漏炮、儀器旋轉(zhuǎn)、定位異常、極性反轉(zhuǎn)、時(shí)鐘漂移等。這一質(zhì)量控制過程需要同時(shí)兼顧四個(gè)波場(chǎng)分量數(shù)據(jù)，需要花費(fèi)較長時(shí)間，如需要多個(gè)地球物理學(xué)家耗費(fèi)幾周時(shí)間進(jìn)行質(zhì)控。當(dāng)采集工作空間的范圍擴(kuò)展超過上萬個(gè)節(jié)點(diǎn)，包含數(shù)十億條地震道的原始數(shù)據(jù)時(shí)，顯然，僅僅依靠人工方式進(jìn)行質(zhì)控，可能會(huì)影響質(zhì)量控制的準(zhǔn)確性和工作周期，花費(fèi)巨大。

3、因此，需要一種快速準(zhǔn)確對(duì)obn地震數(shù)據(jù)進(jìn)行異常檢測(cè)的方法。

技術(shù)實(shí)現(xiàn)思路

1、鑒于上述問題，提出了本發(fā)明實(shí)施例以便提供一種克服上述問題或者至少部分地解決上述問題的obn地震數(shù)據(jù)無監(jiān)督異常檢測(cè)方法及裝置。

2、根據(jù)本發(fā)明實(shí)施例的一個(gè)方面，提供了一種obn地震數(shù)據(jù)無監(jiān)督異常檢測(cè)方法，方法包括：

3、根據(jù)obn地震數(shù)據(jù)構(gòu)建平均初至振幅數(shù)據(jù)；

4、構(gòu)建無監(jiān)督深度神經(jīng)網(wǎng)絡(luò)；無監(jiān)督深度神經(jīng)網(wǎng)絡(luò)包括降維壓縮網(wǎng)絡(luò)和概率估計(jì)網(wǎng)絡(luò)；

5、將平均初至振幅數(shù)據(jù)輸入至無監(jiān)督深度神經(jīng)網(wǎng)絡(luò)，由降維壓縮網(wǎng)絡(luò)對(duì)平均初至振幅數(shù)據(jù)進(jìn)行維度壓縮和特征提取，得到低維特征；低維特征包括低維潛在空間特征和重構(gòu)誤差；將低維特征輸入至概率估計(jì)網(wǎng)絡(luò)，得到高斯混合分布概率；根據(jù)高斯混合分布概率計(jì)算平均初至振幅數(shù)據(jù)的最大似然能量，并基于最大似然能量、重構(gòu)誤差以及協(xié)方差矩陣懲罰項(xiàng)確定損失函數(shù)，對(duì)無監(jiān)督深度神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，以根據(jù)訓(xùn)練后的無監(jiān)督深度神經(jīng)網(wǎng)絡(luò)輸出的最大似然能量，檢測(cè)obn地震數(shù)據(jù)是否異常。

6、根據(jù)本發(fā)明實(shí)施例的另一方面，提供了一種obn地震數(shù)據(jù)無監(jiān)督異常檢測(cè)裝置，其包括：

7、預(yù)處理模塊，適于根據(jù)obn地震數(shù)據(jù)構(gòu)建平均初至振幅數(shù)據(jù)；

8、構(gòu)建模塊，適于構(gòu)建無監(jiān)督深度神經(jīng)網(wǎng)絡(luò)；無監(jiān)督深度神經(jīng)網(wǎng)絡(luò)包括降維壓縮網(wǎng)絡(luò)和概率估計(jì)網(wǎng)絡(luò)；

9、訓(xùn)練檢測(cè)模塊，適于將平均初至振幅數(shù)據(jù)輸入至無監(jiān)督深度神經(jīng)網(wǎng)絡(luò)，由降維壓縮網(wǎng)絡(luò)對(duì)平均初至振幅數(shù)據(jù)進(jìn)行維度壓縮和特征提取，得到低維特征；低維特征包括低維潛在空間特征和重構(gòu)誤差；將低維特征輸入至概率估計(jì)網(wǎng)絡(luò)，得到高斯混合分布概率；根據(jù)高斯混合分布概率計(jì)算平均初至振幅數(shù)據(jù)的最大似然能量，并基于最大似然能量、重構(gòu)誤差以及協(xié)方差矩陣懲罰項(xiàng)確定損失函數(shù)，對(duì)無監(jiān)督深度神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，以根據(jù)訓(xùn)練后的無監(jiān)督深度神經(jīng)網(wǎng)絡(luò)輸出的最大似然能量，檢測(cè)obn地震數(shù)據(jù)是否異常。

10、根據(jù)本發(fā)明實(shí)施例的又一方面，提供了一種計(jì)算設(shè)備，包括：處理器、存儲(chǔ)器、通信接口和通信總線，所述處理器、所述存儲(chǔ)器和所述通信接口通過所述通信總線完成相互間的通信；

11、所述存儲(chǔ)器用于存放至少一可執(zhí)行指令，所述可執(zhí)行指令使所述處理器執(zhí)行上述obn地震數(shù)據(jù)無監(jiān)督異常檢測(cè)方法對(duì)應(yīng)的操作。

12、根據(jù)本發(fā)明實(shí)施例的再一方面，提供了一種計(jì)算機(jī)存儲(chǔ)介質(zhì)，所述存儲(chǔ)介質(zhì)中存儲(chǔ)有至少一可執(zhí)行指令，所述可執(zhí)行指令使處理器執(zhí)行如上述obn地震數(shù)據(jù)無監(jiān)督異常檢測(cè)方法對(duì)應(yīng)的操作。

13、根據(jù)本發(fā)明實(shí)施例的還一方面，提供了一種計(jì)算機(jī)程序產(chǎn)品，包括至少一可執(zhí)行指令，所述可執(zhí)行指令使處理器執(zhí)行如上述obn地震數(shù)據(jù)無監(jiān)督異常檢測(cè)方法對(duì)應(yīng)的操作。

14、根據(jù)本發(fā)明實(shí)施例的提供的obn地震數(shù)據(jù)無監(jiān)督異常檢測(cè)方法及裝置，降維壓縮網(wǎng)絡(luò)從obn的平均初至振幅數(shù)據(jù)中提取低維潛在空間特征和重構(gòu)誤差，將其進(jìn)一步輸入到概率估計(jì)網(wǎng)絡(luò)，確定高斯混合分布概率，計(jì)算得到最大似然能量定量分析和實(shí)現(xiàn)obn地震數(shù)據(jù)的質(zhì)量控制和異常檢測(cè)。通過深度神經(jīng)網(wǎng)絡(luò)，實(shí)現(xiàn)obn地震數(shù)據(jù)質(zhì)量控制的自動(dòng)化和智能化，將現(xiàn)有人工作業(yè)時(shí)間從周級(jí)壓縮至分鐘級(jí)，大大提高作業(yè)效率，減少人工成本。基于無監(jiān)督學(xué)習(xí)也避免了監(jiān)督學(xué)習(xí)手工標(biāo)注的成本和野外采集調(diào)查中異常不確定性的泛化能力問題。

15、上述說明僅是本發(fā)明實(shí)施例技術(shù)方案的概述，為了能夠更清楚了解本發(fā)明實(shí)施例的技術(shù)手段，而可依照說明書的內(nèi)容予以實(shí)施，并且為了讓本發(fā)明實(shí)施例的上述和其它目的、特征和優(yōu)點(diǎn)能夠更明顯易懂，以下特舉本發(fā)明實(shí)施例的具體實(shí)施方式。

技術(shù)特征：

1.一種obn地震數(shù)據(jù)無監(jiān)督異常檢測(cè)方法，其特征在于，方法包括：

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)obn地震數(shù)據(jù)構(gòu)建平均初至振幅數(shù)據(jù)進(jìn)一步包括：

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述將所述平均初至振幅數(shù)據(jù)輸入至所述無監(jiān)督深度神經(jīng)網(wǎng)絡(luò)，由所述降維壓縮網(wǎng)絡(luò)對(duì)所述平均初至振幅數(shù)據(jù)進(jìn)行維度壓縮和特征提取，得到低維特征進(jìn)一步包括：

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述將所述低維特征輸入至所述概率估計(jì)網(wǎng)絡(luò)，得到高斯混合分布概率進(jìn)一步包括：

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)所述高斯混合分布概率計(jì)算所述平均初至振幅數(shù)據(jù)的最大似然能量，并基于所述最大似然能量、所述重構(gòu)誤差以及協(xié)方差矩陣懲罰項(xiàng)確定損失函數(shù)，對(duì)所述無監(jiān)督深度神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練進(jìn)一步包括：

6.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述方法還包括：

7.一種obn地震數(shù)據(jù)無監(jiān)督異常檢測(cè)裝置，其特征在于，裝置包括：

8.一種計(jì)算設(shè)備，其特征在于，包括：處理器、存儲(chǔ)器、通信接口和通信總線，所述處理器、所述存儲(chǔ)器和所述通信接口通過所述通信總線完成相互間的通信；

9.一種計(jì)算機(jī)存儲(chǔ)介質(zhì)，其特征在于，所述存儲(chǔ)介質(zhì)中存儲(chǔ)有至少一可執(zhí)行指令，所述可執(zhí)行指令使處理器執(zhí)行如權(quán)利要求1-6中任一項(xiàng)所述的obn地震數(shù)據(jù)無監(jiān)督異常檢測(cè)方法對(duì)應(yīng)的操作。

10.一種計(jì)算機(jī)程序產(chǎn)品，包括至少一可執(zhí)行指令，所述可執(zhí)行指令使處理器執(zhí)行如權(quán)利要求1-6中任一項(xiàng)所述的obn地震數(shù)據(jù)無監(jiān)督異常檢測(cè)方法對(duì)應(yīng)的操作。

技術(shù)總結(jié)
本發(fā)明公開了一種OBN地震數(shù)據(jù)無監(jiān)督異常檢測(cè)方法及裝置，方法包括：根據(jù)OBN地震數(shù)據(jù)構(gòu)建平均初至振幅數(shù)據(jù)；構(gòu)建無監(jiān)督深度神經(jīng)網(wǎng)絡(luò)；無監(jiān)督深度神經(jīng)網(wǎng)絡(luò)包括降維壓縮網(wǎng)絡(luò)和概率估計(jì)網(wǎng)絡(luò)；將平均初至振幅數(shù)據(jù)輸入至無監(jiān)督深度神經(jīng)網(wǎng)絡(luò)，由降維壓縮網(wǎng)絡(luò)對(duì)平均初至振幅數(shù)據(jù)進(jìn)行維度壓縮和特征提取，得到低維特征；將低維特征輸入至概率估計(jì)網(wǎng)絡(luò)，得到高斯混合分布概率；根據(jù)高斯混合分布概率計(jì)算平均初至振幅數(shù)據(jù)的最大似然能量，并基于最大似然能量、重構(gòu)誤差以及協(xié)方差矩陣懲罰項(xiàng)確定損失函數(shù)，對(duì)無監(jiān)督深度神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，以根據(jù)訓(xùn)練后的無監(jiān)督深度神經(jīng)網(wǎng)絡(luò)輸出的最大似然能量，檢測(cè)OBN地震數(shù)據(jù)是否異常。

技術(shù)研發(fā)人員：王勝侯,王海昆,馬德志,孫雷鳴,張鵬,徐強(qiáng),王煒,張明強(qiáng),黃泉城,王鑫磊
受保護(hù)的技術(shù)使用者：中海油田服務(wù)股份有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/11/18